字符串匹配算法 之 Sunday

基本思想

Sunday算法由Daniel M.Sunday在1990年提出，它的思想跟BM算法很相似。

只不过Sunday算法是从前往后匹配，在匹配失败时关注的是主串中参加匹配的最末位字符的下一位字符。

- 如果该字符没有在模式串中出现则直接跳过，即移动位数 = 模式串长度 + 1；
- 否则，其移动位数 = 模式串长度 - 该字符最右出现的位置(以0开始) = 模式串中该字符最右出现的位置到尾部的距离 + 1。

实例

下面举个例子说明下Sunday算法。假定现在要在主串”substring searching”中查找模式串”search”。

---

刚开始时，把模式串与文主串左边对齐：

---

结果发现在第2个字符处发现不匹配，不匹配时关注主串中参加匹配的最末位字符的下一位字符，即标粗的字符 i，因为模式串search中并不存在i，所以模式串直接跳过一大片，向右移动位数 = 匹配串长度 + 1 = 6 + 1 = 7，从 i 之后的那个字符（即字符n）开始下一步的匹配，如下图：

---

结果第一个字符就不匹配，再看主串中参加匹配的最末位字符的下一位字符，是‘r’，它出现在模式串中的倒数第3位，于是把模式串向右移动3位（m - 3 = 6 - 3 = r 到模式串末尾的距离 + 1 = 2 + 1 =3），使两个‘r’对齐，如下：

匹配成功。

回顾整个过程，我们只移动了两次模式串就找到了匹配位置，缘于Sunday算法每一步的移动量都比较大，效率很高。

偏移表

偏移表

在预处理中，计算大小为∣∑∣的偏移表。

代码实现

# -*- coding: utf-8 -*-
"""
Created on Thu Jul 28 23:11:27 2016

@author: zang
"""

import re
def Sunday(text, pattern):
    results = []  # 匹配结果
    flag = 0
    len_pattern = len(pattern)
    len_text = len(text)
    endIndex = len_text - len_pattern + 1

    for i in range(0, endIndex):
        for j in range(0, len_pattern):
            if text[i + j] == pattern[j]:
                if j == (len_pattern - 1):
                    flag += 1
                    results.append(" "*i + pattern + " "*(len_text - len_pattern - i) + "  " + str(i+1) + "  " + str(flag))
                    break
            else:
                t = i + len_pattern
                if t >= len_text:
                    break
                if text[t] in pattern:
                    array = [m.start() for m in re.finditer(text[t], pattern)]
                    move = len_pattern - array[len(array) - 1]
                    i = i + move - 1
                else:
                    i = i + t - 1
                break
    if flag == 0:
        print "No find."
    else:
        print flag," matching results are listed below."
        print "-------" + "-"*t + "-------"
        print text
        for line in results:
            print line
        print "-------" + "-"*t + "-------"

def main():
    while 1:
        text = raw_input("text: ")
        pattern = raw_input("pattern: ")
        if len(text) == 0 or len(pattern) == 0:
            print "\nplease input text and pattern again!"
            break
        Sunday(text, pattern)

if __name__ == '__main__':
    main()